Temos a tendência de antropomorfizar os objetos ao redor. Durante o século 20, muitas invenções carregavam os nomes de pessoas que as inventaram, como carros Ford e aviões Boeing. Ao mesmo tempo, quem tem a companhia de animais de estimação costuma adorar (ou associar) o comportamento de cães e gatos com o de pessoas — e quem não ama os animais falantes nos filmes da Disney? Até mesmo o Deus da mitologia grega, chinesa e egípcia se assemelha aos humanos.


Essa tendência é também uma verdade para a IA (inteligência artificial), o campo de criação de uma mente eletrônica que não conhece fadiga ou estresse. Quaisquer que sejam as grandes promessas que a tecnologia nos dá, muitas vezes, inconscientemente, esperamos mais da IA do que ela pode fazer.


Muitas empresas experimentaram o uso da IA, mas acharam difícil provar o valor de suas soluções. O Gartner, em seu relatório “Três Barreiras à Adoção de IA”, cita a falta de habilidades, o medo do desconhecido e a qualidade dos dados como as três barreiras mais comuns. 

E certamente há outras razões — como as altas expectativas sobre a capacidade da tecnologia de ser, em termos de RH, uma “iniciativa própria” e um “jogador de equipe”. Importante, então, que as empresas não aceitem aquilo que desejam como realidade ao adotar a IA em seus processos. O hype em torno da solução deve ser dosado, especialmente, por conta do destaque dado à tecnologia. Com isso, as empresas devem compreender a fundo como colocar a IA em prática. 

E este artigo descreve três recomendações sobre a adoção da inteligência artificial. Confira!

Garanta a qualidade e o volume dos dados

Os dados percorrem um longo caminho, desde a entrada no sistema de armazenamento até a criação de informações valiosas. A descoberta, marcação e organização de dados são atividades tediosas, especialmente quando as expectativas de hoje se concentram na busca por inovação imediata.

No entanto, um kilobyte de dados estruturados pode agregar muito mais valor a uma empresa do que um monte de terabytes de dados confusos. 

Ironicamente, quando as empresas estão sobrecarregadas com tanta informação digital, elas tendem a não ter dados suficientes. Organizações modernas provavelmente descobrirão que carecem de algumas informações de que precisam para navegar em um ambiente em constante transição.

Tome isso como exemplo: se um supermercado não sabe o que os clientes estão pesquisando online, em seu site, isso representa — potencialmente — uma oportunidade perdida de aumentar as vendas. 

Com isso, vale reforçar que as empresas precisam assumir a responsabilidade de colocar seus dados em ordem e avaliar todas as informações que estão faltando. Uma abordagem sistemática para coleta e catalogação de dados é a base da iniciativa geral de dados corporativos.

Encontre o equilíbrio entre a precisão preditiva e o poder de computação necessário

IA é basicamente uma série de problemas matemáticos, mas o número de problemas cresce em uma taxa acelerada conforme a precisão do modelo aumenta. Modelos complexos de IA podem consumir uma quantidade enorme de capacidade de computação, resultando em custos crescentes. Ao mesmo tempo, aumentar a complexidade do modelo significa que as melhorias incrementais na eficiência do algoritmo tornam-se menores a cada etapa. 

Por exemplo: em um sistema de recomendações automatizadas, é melhor contar com um modelo implementado com 50% de precisão do que um sistema robusto e custoso que devolva 90% de precisão. O dimensionamento tem que valer a pena para você.

Outra razão para a crescente demanda por poder analítico é a quantidade crescente de dados. 

Por exemplo: ao dobrar a resolução de uma imagem, o número de pixels também dobra. Certos cálculos de cálculo, no entanto, podem mostrar quanto a IA é suficiente para essa organização. 

É uma questão de troca, e cada empresa deve decidir onde está o seu ponto ideal. 

O hardware pode ser caro para uma empresa desde o início, mas com os salários de especialistas e o custo do consumo de energia, os primeiros usuários que decidiram implementar uma iniciativa de aprendizado de máquina totalmente desenvolvida podem perder a motivação muito rapidamente. A IA é uma coisa real, mas requer algumas considerações cuidadosas.

Fonte: https://openai.com/blog/ai-and-compute/ Two Distinct Eras in Compute Usage in Training AI Systems

As empresas devem começar com a IA perceptiva

IA perceptiva é o processamento de linguagem natural e visão computacional. As tecnologias mais maduras no domínio da IA atualmente, portanto. E embora a IA tenha um amplo escopo de aplicações, a PNL e a visão computacional são muito bem compreendidas devido à sua implementação em cenários de cidades inteligentes em todo o mundo. 

Muitas empresas investem em IA para explorar suas possibilidades e o reconhecimento inteligente de câmera, digitalização de documentos, vídeos e marcações de imagens devem ser algumas das primeiras aplicações nas agendas de IA de um departamento de TI. 

O setor acumulou muita experiência nesse domínio, e as empresas precisam apenas se basear nos projetos, nas práticas recomendadas e nas experiências anteriores do setor. Na área de TI, o limite para implementação é o mais baixo.

Embora o potencial da tecnologia seja muito forte, os tomadores de decisão devem assumir total responsabilidade pela adoção de IA. E a melhor abordagem é a organização de um pensamento racional sobre como a IA pode trazer mudanças positivas e, em seguida, desenvolver um plano passo a passo.

Este artigo foi útil?

Obrigado pela avaliação!

Sim Não

Escrito por:

Marketing Huawei

Deixe seu comentário

Nome * Campo Obrigatório
E-mail * Campo Obrigatório * E-mail Inválido